Control de tráfico
basado en agentes inteligentes
José A. Castán, Salvador Ibarra, Julio Laria, Javier Guzmán, Emilio Castán
Resumen—La tecnología de agentes se ha demostrado ser una
ciencia computacional avanzada capaz de lograr mejoras
sustanciales en un rango de aplicaciones debido a su paradigma
de la estructura de toma de decisiones basado en el razonamiento
cognitivo. En este sentido, el artículo presenta el desarrollo de
una metodología novedosa que permite incluir un modelo formal
basado en agentes autónomos e inteligentes capaces de
manipular las fases de los ciclos en una infraestructura de
semáforos de acuerdo a las exigencias y limitaciones de la
carretera. Este proceso mejora efectiva e inmediata de la calidad
del servicio en una intersección, aumentando el rendimiento de la
movilidad de los vehículos y mejorando la generación de
emisiones, cuando los vehículos se paran en un semáforo rojo.
Para corroborar esto, el artículo presenta algunos experimentos
con el fin de comparar la metodología propuesta contra una
infraestructura pre-programada. Por último, se presentan las
conclusiones a destacar la eficacia y la utilidad de la metodología
desarrollada con la intención de alcanzar el control de tráfico
adecuado de una ciudad en expansión.
Palabras Clave—Sistemas inteligentes, simulación y optimiza-
ción de vehículos, agentes autónomos.
Traffic control
based on intelligent agents
Abstract—Agent technology has been demonstrated to be an
advance computational science capable to achieve substantial
improvements in a cover range of applications because of its
paradigm of decision-making structure based on cognitive
reasoning. In this sense, the paper introduces the development of
a novel methodology that allows including a formal model
founded on autonomous and intelligent agents capable to
manipulate the phases of the cycles in a traffic lights
infrastructure according to the requirements and constraints of
the road. This process improves effectively and immediately the
quality of the service in an intersection, increasing the
performance of the vehicular mobility and the generation of
emissions, when vehicles are stopped in a red light. To
corroborate this, the article presents some experiments in order
to compare the proposed methodology against a pre-
Manuscrito recibido 18 de marzo de 2014, aceptado para su publicación 27
de abril de 2014, publicado el 15 de noviembre de 2014.
José A. Castán (autor correspondiente), Salvador Ibarra, Julio Laria y
Javier Guzmán están afiliados a la Universidad Autónoma de Tamaulipas,
Facultad de Ingeniería “Arturo Narro Siller”, Tamaulipas, México (correo:
{jacastan, sibarram, jlaria, jguzmano}@uat.edu.mx).
Emilio Castán está afiliado con el Instituto Tecnológico de Ciudad
Madero, México (correo: ecastan@yahoo.com.mx).
ISSN 1870-9044; pp. 61–68
programmed infrastructure. Finally, conclusions are presented
to emphasize the effectiveness and usefulness of the developed
methodology whit the main intention of achieving an adequate
traffic control of an expanding city.
Index terms—Intelligent systems, vehicular simulation and
optimization, autonomous agents.
I. INTRODUCCIÓN
E N la actualidad, las denominadas ciudades de primer
mundo enfrentan un sin fin de retos, entre los cuales, el
control de tráfico representa uno de los más complejos y
significativos. De ahí, que una de las principales inquietudes
de los administradores y representantes de las ciudades
modernas es lograr el control óptimo de sus vialidades. Por lo
tanto, pensar en la tecnología e innovación que les permita
conocer dichos retos y al mismo tiempo les represente nuevas
oportunidades de mejora, representará un avance significativo
en la calidad de vida de sus usuarios.
En este sentido, la innovación que se menciona, se refiere a
plataformas que se centran en retos y esfuerzos específicos
donde los gobiernos deben asumir un papel para realizar
acciones a través de políticas, regulaciones, o medidas fiscales
que permitan atacar dichos problemas directamente. Situar la
definición de vialidad es necesario para ubicar todo lo que
esta conlleva, por lo tanto, una vialidad se puede definir como
el área o espacio en el que un vehículo puede circular para
movilizarse de un lugar a otro. En definitiva, el gran
crecimiento demográfico de nuestra civilización sugiere que
el consumo y uso de los medios de transporte se incremente.
Tal efecto es visible, cuando al realizar una trayectoria que
implica poca distancia, el tiempo del viaje es significativa-
mente más elevado del que debiera ser, esto debido a aspectos
como lo son: la congestión vial, un mala planeación de las
vialidades o unos de los principales problemas estudiados en
este artículo, la sincronización semafórica.
Para ofrecer soluciones a estos hechos, en [1] se destaca
que durante los últimos 50 años se ha desarrollado una amplia
gama de teorías y modelos para optimizar el flujo del tráfico
como herramientas para solucionar los problemas económicos
y sociales que se originan como consecuencia de una alta
demanda del servicio vial.
De hecho, la SCT1 en México propone un estándar que
permite medir la calidad del servicio en las intersecciones
1
http://www.sct.gob.mx/
61 Polibits (50) 2014
José A. Castán, Salvador Ibarra, Julio Laria, Javier Guzmán, Emilio Castán
viales, el cual es un auxiliar para que los expertos en control
de tráfico sean capaces de identificar las áreas de oportunidad
de mejora, en la clásica búsqueda de ofrecer al usuario una
mejor manera para realizar sus operaciones de transporte. En
ese sentido, las intersecciones juegan un papel importante en
el desempeño de una red de transporte urbana, ya que
representan el punto de convergencia del tránsito vehicular.
Además, las intersecciones son las causantes de los cuellos de
botella de una red urbana y factores críticos de la capacidad
vehicular, la eficiencia y la seguridad de la misma. Esto se
debe a que una intersección comprende tanto el área donde
dos o más calles se unen (denominado cruce) como todo el
espacio destinado a facilitar los movimientos de los vehículos
que circulan por ella. En particular, de acuerdo con [3] el
estudio de una intersección de dos o más calles, es un
ingrediente sustancial para lograr la optimización global del
flujo vehicular en una red urbana.
A la luz de esto, debemos prestar atención especial al uso
de técnicas revolucionarias como herramienta que permitan
solucionar problemas de transporte estático, generando una
evolución hacia sistemas de cooperación, los cuales deberían
ser suficientemente flexibles para ser aplicados en entornos
dinámicos [2, 5, 6]. Tal afirmación es considerada debido a
que la dinámica del entorno de una vialidad, es considerada
no como un aspecto de movimiento sino en relación a como
las condiciones de la vialidad van cambiando conforme el
tiempo avanza, efecto que fácilmente se puede apreciar en el
comportamiento de una intersección. Por lo tanto, al día de
hoy han surgido algunas líneas de implementación que
promueven el uso de avanzadas tecnologías de la información
para el diseño, estudio y análisis de los sistemas viales.
Así, los Sistemas Inteligentes de Transporte (de ahora en
adelante SIT) aparecen como una nueva oleada de
herramientas que permiten optimizar, desde diferentes
perspectivas de aplicación, el flujo vehicular. En sí, existen
SIT’s que conjuntan técnicas computacionales con otras
disciplinas como lo son, el control estadístico, modelos de
predicción, líneas de espera, entre otras. En esta dirección, se
han podido apreciar ciertas ventajas al implementar algún SIT
dentro de una red vial, como lo son:
 Mejorar el rendimiento de la vialidad en volumen de
servicio.
 Disminuir los tiempos de espera de los vehículos en una
luz roja.
 Decremento, por lo tanto, de la generación de gases.
 Evitar las congestiones abrumadoras en horas pico.
Aunque el futuro de los SIT’s es prometedor, el campo de
aplicación sigue siendo una visión con una perspectiva
futurista. Varias aplicaciones y servicios de los SIT
actualmente se encuentran trabajando de forma eficaz a lo
largo y ancho del mundo, generando una mejora significativa
en la seguridad en transporte, la calidad de la movilidad y el
nivel de productividad. En este sentido, la amplia y profunda
aplicación de los SIT’s representa una verdadera revolución
en relación al término de la movilidad. Nuevos conceptos,
métodos, herramientas y servicios continúan emergiendo en
Polibits (50) 2014
las áreas de comunicación, información, automatización y
electrónica, así, los SIT proveen un incremento importante y
una plataforma interesante para el campo de la investigación y
desarrollo de la Inteligencia Artificial, especialmente
aplicando los sistemas inteligentes [2], [4] como herramientas
de solución. En esta línea de generación, han aparecido
diversos esfuerzos que han permitido evolucionar en la
manera de diseñar, simular y analizar las intersecciones viales.
Sin embargo, debido a que las herramientas que
actualmente existen presentan algunas carencias, es necesario
el surgimiento de nuevos instrumentos que permitan a los
analistas de tráfico realizar estudios acerca de los niveles de
servicio que una arteria (formando una intersección, ya sea
simple o compleja) pudiera presentar y que a la vez sean
amigables para el usuario, permitiendo a los SIT’s considerar
información en tiempo real y trabajar de manera autónoma. Es
por este hecho, que surge la necesidad de contar con las
herramientas necesarias que permitan a los expertos en control
de tráfico, realizar pruebas del mundo real en una herramienta
que facilite la integración de múltiples factores y variables del
entorno de una vialidad, utilizando métodos, técnicas y
modelos fundados y ya bien comprobados en la literatura de
control de tráfico. Así, el uso de tecnologías computacionales
avanzadas ha surgido como un paradigma de solución en las
áreas de los sistemas inteligentes de transporte, monitorizando
y optimizando los niveles de servicio del flujo vehicular.
II. TRABAJOS RELACIONADOS
Todas las ciudades en desarrollo deben contar con un
sistema de tránsito que presente un control eficiente en sus
sistemas de comunicación por tierra, mar o aire. En este caso,
el control y el monitoreo del tráfico es uno de los aspectos
claves en áreas metropolitanas debido al incremento constante
de los vehículos que circulan. Existen numerosos métodos
para reducir los retrasos y disminuir los problemas
ambientales causados por vehículos automotores.
Actualmente la tecnológica que se utiliza para controlar el
tráfico esta basada en microcontroladores y
microprocesadores. Estos señalamientos tienen ciertas
limitantes ya que ellos no son flexibles a las variantes que se
presentan durante un día cualquiera. En los sistemas de
control de tránsito la detección de las variables y las
situaciones que suceden en una intersección son datos de gran
importancia para determinar los tiempos de las luces de un
semáforo. De acuerdo con esto, en [7] se presenta una
aplicación que utiliza lógica difusa para el control multiagente
de un semáforo autónomo basado en sensores inalámbricos
los cuales permiten evitar problemas de congestión,
accidentes, altas velocidades e irregularidades presentadas en
el tráfico. De hecho, este enfoque provee una solución
minimizando el tiempo de espera de los vehículos de
emergencia utilizando un control difuso bajo situaciones que
normalmente ocurren en nuestras vialidades.
Asimismo, en [8] se presenta una nueva infraestructura para
establecer un control de velocidad inteligente, el cual esta
62 ISSN 1870-9044

Fig. 1. Instrumento Virtual para la Simulación y Optimización de Arterias (SiSOA)
utiliza tecnología RFID para la identificación de los
requerimientos del tráfico. Este sistema tiene una gran
precisión para medir la velocidad de los vehículos ya que
utiliza un sensor basado en el efecto Hall. Para lograr una
adaptación eficiente de la velocidad de los vehículos este
enfoque introduce una adaptación para un controlador difuso.
Finalmente los resultados sugieren que siempre existirán
situaciones indeseables en las vialidades, observando una
mejora en la seguridad de los ocupantes de los vehículos bajo
el control inteligente de velocidad. Así en [9] se muestra un
control de semáforos inteligentes utilizando un controlador
FPGA basado en un sistema neuro-difuso. Tal enfoque es
capaz de tomar decisiones para reducir los retrasos en una
intersección. En particular la teoría de la lógica difusa en el
controlador provee respuestas a los intervalos para las luces
verdes en función de la dinámica del tráfico usando las
variables de entrada en el flujo del tránsito vehicular de la
intersección en cuestión y las vecinas.
Además de las tendencias actuales que se han dedicado a
acortar la distancia entre el control de tránsito tradicional y los
métodos de computación avanzada, el campo de desarrollo de
los entornos de simulación para probar y optimizar la
movilidad vehicular es otra interesante y prometedora área
ISSN 1870-9044
Control de tráfico basado en agentes inteligentes
para futuros estudios. Hoy en día existen herramientas
computacionales que ofrecen la oportunidad de implementar y
probar enfoques para corroborar sus ideas. A pesar de esto,
dichas herramientas no son funcionales para todas las
propuestas.
A la luz de esto, algunos autores tienden a desarrollar sus
propios sistemas mientras generan sus propuestas
metodológicas. Por ejemplo en [10] se diseño y evaluó un
modelo enfocado a las reservaciones para controlar
intersecciones. Este enfoque propone el desarrollo de un
nuevo simulador para probar dicha metodología. Ciertamente
la herramienta integra un simulador microscópico de tráfico
con un simulador de redes y un analizador de emisiones de
gases de efecto invernadero. Algunos experimentos son
presentados utilizando el desarrollo de dicho simulador para
comparar la movilidad vehicular y los beneficios
medioambientales de la metodología introducida contra
métodos tradicionales. Las referencias [11–20] son otros
ejemplos en los cuales los investigadores han requerido crear
sus propias herramientas computacionales.
Para finalizar, en [21] se presenta una revisión complete de
la literatura acerca de enfoques basados en agentes bien
situado en el dominio del tráfico y de los sistemas de
63 Polibits (50) 2014
José A. Castán, Salvador Ibarra, Julio Laria, Javier Guzmán, Emilio Castán

transporte. En particular, dicho artículo revisa aplicaciones TABLA 1.

PAQUETES Y VEHÍCULOS QUE LO CONSTITUYEN. (S:SEDAN, C:CAMIONETA,
clasificándolas en cinco categorías: P:PÚBLICOS, T:TAXIS, A, PT: AMBULANCIAS, PATRULLAS)
1) control y administración de tráfico basado en agentes; Clasificación de Vehículos
2) sistemas basados en agentes para transporte en inter- Id Total
S C P T A y/o Pt
secciones; 01 6 3 3 2 0 14
3) sistemas basados en agentes para control de tráfico aéreo;
02 7 5 2 2 0 16
4) sistemas basados en agentes para trenes; y
03 5 5 3 3 1 17
5) sistemas multiagente para modelar y simular el tráfico
04 6 4 3 3 0 16
vehicular.
05 5 6 1 4 0 16
Sin embargo, los agentes de software y las técnicas de 06 8 6 1 2 0 17
inteligencia artificial aplicadas al tráfico urbano surgen en la 07 4 4 2 3 0 13
última década como una efectiva solución para proveer altos 08 6 5 3 3 1 18
niveles de efectividad en el control de infraestructuras de
transporte. TABLA 2.
AFORO DE PAQUETES EN UN SEMÁFORO DE LA VÍA BALM.
III. EL ENTORNO PROPUESTO
SiSOA (Sistema inteligente para la Simulación y
Optimización de Arterias) es una sofisticada herramienta
computacional, diseñada e implementada en lenguaje MatLab,
la cual nos permite simular el comportamiento de una
intersección vial (ver Fig. 1), a partir de datos estadísticos
utilizando la teoría de las líneas de espera, para medir los
niveles de servicio de dicha intersección con el principal
objetivo de optimizar el flujo vehicular.
Como se ha comentado, SiSOA es una herramienta
computacional que conjunta la teoría de las líneas de espera
con sistemas inteligentes. De esta manera, se puede considerar
que cada semáforo dentro de una intersección será “operado”
por un agente inteligente, permitiendo de esta manera, que necesario efectuar un estudio de las características de la
intersección a analizar, por lo tanto, permítanos presentar la
dichos dispositivos reguladores sean capaces de optimizar, de
estructura geográfica y física de la vialidad, así como los
manera autónoma, el flujo vehicular mediante una adaptación
de los tiempos en los ciclos de las cajas semafóricas, evitando movimientos permitidos para esta zona. En particular, ambas
avenidas (Boulevard Adolfo López Mateos y Ejercito
así todos los problemas implícitos en la congestión vial. En
Mexicano) son bloques con dos vías de dos carriles cada uno,
particular, para realizar el estudio de una intersección en
SiSOA se requiere ejecutar tres fases antes de simular el donde cada una de las vías representa flujo en un solo sentido.
Ambas vías presentan 2 tipos de movimientos permitidos,
servicio vial en una intersección simple de 4 semáforos.
como lo son:
1) Introducir los datos y configuración de la intersección.
2) Establecer el tipo de estudio y el tiempo de la simulación.  flujo de vuelta a la izquierda con señalamiento semafórico.
3) Comenzar la simulación y verificar el correcto desarrollo  flujo derecho.
de la simulación. Empíricamente para este estudio, los vehículos que dan
En particular, se define un paquete como un convoy de vuelta a la derecha, son considerados dentro del conteo de
vehículos de diferentes características que arriba a cualquiera vehículos que van de frente, debido a que dicho servicio de la
de las vías de una intersección. La ideología de utilizar arteria se puede utilizar en el momento en que el semáforo
paquetes de vehículos para establecer la densidad de las indica el verde de frente. Para poder generar los datos que se
llegadas a una intersección, se fundamento en base a los utilizan en el simulador, se realizó un estudio de movimientos
resultados obtenidos en los aforos realizados, ya que los en la intersección durante un mes (los 30 días del mes de abril
tiempos entre una llegada y otra en un análisis individual no del 2012). Este estudio se efectuó durante una ventana
era del todo representativo para las cuestiones de estudio de muestral de 7 horas, desde las 7 am hasta las 2 pm. La tabla 2
SiSOA. De esto modo, en la tabla 1 se definen los paquetes presenta los datos recolectados y las medias calculadas para
establecidos de acuerdo a las ocurrencias observadas en el uno de los semáforos de la intersección donde:
estudio.  µH representa la media calculada por hora.
Para poder demostrar la utilidad de SiSOA en la
 µD representa la media calculada por día.
optimización del nivel de servicio vial en una vialidad, es

Polibits (50) 2014 64 ISSN 1870-9044

 Control de tráfico basado en agentes inteligentes

TABLA 3.
AFORO DE VEHÍCULOS QUE SALEN DE UN SEMÁFORO.

Una vez que se tienen definidas la tasa por día, que es el intercambiar los tiempos de su ciclo, de acuerdo a los
dato que utilizaremos para esta simulación, para cada esquina requerimientos y la situación actual de la intersección. Para
de llegada a la intersección, ahora se deben definir las tasas de dejar esto más claro, observe la figura 2 que muestra un
servicio por cada uno de los semáforos. Para este caso, se esquema general de comunicación entre los semáforos de la
consideran 4 semáforos y en base a un estudio de observación intersección para intercambiar tiempo en luz verde.
se pudo calcular el comportamiento del ciclo semafórico de la
intersección. Por ejemplo, uno de los semáforos estudiados
presenta verde a la izquierda y verde de frente con una
duración de 15 segundos y 30 segundos respectivamente. Es
necesario aclarar que en el verde de frente se consideran los
15 segundos del verde a la izquierda. Así, la tabla 3 presenta
la información obtenida de uno de los semáforos de la
intersección.
Ya que están definidos los paquetes y las llegadas de ellos
en base a los aforos, se procede a establecer, para cada uno de
los semáforos, las tasas de llegada, las tasas de servicio y los
tiempos del ciclo semafórico. Para los alcances de esta
investigación, únicamente se utilizarán la distribución normal
para la inyección de vehículos en el simulador. En este
sentido, la tabla 4 muestra la media y la desviación estándar
que se obtuvieron a partir de los datos recolectados durante
los aforos.
TABLA 4.
Aforo de Vehículos que salen de un Semáforo.
Fig. 2. Esquema General del Proceso de Ajuste del Ciclo Semafórico.
Caso de Estudio
Datos del Aforo Semáforos De acuerdo al ejemplo, si un semáforo se percata que en un
1 2 3 4 momento determinado del día el tiempo de su ciclo es muy
1.70 1.40 1.50 1.10 largo para el nivel de exigencia de la vía, entonces lanza una
1.05 1.06 1.07 1.09 señal al resto de los semáforos (ver la figura 2a). A su vez, el
resto de los semáforos responden su nivel de servicio (de
El funcionamiento inteligente de SiSOA permite que los acuerdo a los establecidos por la SCT) al semáforo que ha
semáforos interactúen entre ellos de manera autónoma, en realizado la oferta (ver la figura 2b). Con esta información, el
base a un control adaptativo, el cual les permite, a los agentes, semáforo que ha realizado la invitación es capaz de decidir

ISSN 1870-9044 65 Polibits (50) 2014

José A. Castán, Salvador Ibarra, Julio Laria, Javier Guzmán, Emilio Castán

TABLA 5.
RESULTADOS POR SEMÁFORO Y COMPARACIONES DE LAS TASAS DE RENDIMIENTO.

(de manera autónoma) cual es el semáforo que requiere más
tiempo para su servicio. Ya que ha tomado una decisión, le
informa al semáforo en cuestión y al resto de semáforos de la
intersección, el tiempo que le cederá y a partir de qué
momento lo hará (ver la figura 2c). De esta manera los cuatro
semáforos (para este caso en particular) ajustan el tiempo del
ciclo semafórico. En tal caso, de manera autónoma los
semáforos son capaces de adaptarse a las condiciones y
exigencias de la intersección, elevando de esta manera el nivel
de servicio de cada una de las arterias, impactando de forma
positiva al nivel de servicio promedio de la intersección (ver
la figura 2d).
Por otra parte, la figura 4a presenta el consumo de
combustible y la generación de tres gases contaminantes
(Hidrocarburos HC; Monóxido de Carbono CO; Oxido
Nitrógeno NOx) en un estudio durante 4 diferentes horas de
muestreo (1, 4, 6 12 horas de servicio) analizando unidad de
gramo por segundo mientras los vehículos están detenidos en
una luz roja en donde se compara la metodología propuesta de
control inteligente IC contra el servicio ofrecido por una
infraestructura pre-programada de control tradicional TC.

IV. RESULTADOS Y DISCUSIÓN

A partir de los datos obtenidos de las simulaciones
realizadas, se han generado algunos resultados preliminares,
los cuales permiten apreciar de manera significativa las
ventajas que ofrece SiSOA al diseñador y evaluador de
control de tráfico. En particular la Tabla 5, muestra el número
de vehículos que fueron atendidos en cada uno de los puntos
de la intersección analizada durante los treinta (30) días del
mes de abril del 2012.
En la tabla se resume la información primeramente por el Fig. 3. Resultados preliminares de la Simulación del mes de abril de 2012.
número de vehículos atendidos por cada vía como el Rango de
Efectividad (RE) de cada caso. En segundo punto, podemos
apreciar una comparación entre cada uno de os rangos de Adicionalmente, la Fig. 4b realiza una comparación de
efectividad para conocer el rango de mejora (RM). Con esta Dióxido de Carbono CO2 bajo las mismas características que
información, se puede enfatizar la aportación al número de el estudio anterior. Por ejemplo, se puede apreciar en la Fig.
vehículos atendidos en cada arteria utilizando la herramienta 4b la emisión de CO2 bajo IC muestra un mejor rendimiento
de simulación SiSOA, más allá de establecer la comunicación que TC en alrededor del 78%.
entre los semáforos. Sin embargo, también podemos apreciar
como el establecer una comunicación e interacción V. CONCLUSIONES Y TRABAJO FUTURO
colaborativa entre los dispositivos semafóricos incrementa de
manera significativa el rendimiento de las arterias estudiadas. La congestión en los sistemas de vialidad es una de las
Además, en la figura 3 se puede observar claramente como causas principales en la baja productividad y en el decremento
la comunicación entre los semáforos resulta efectiva al de los estándares de una ciudad moderna. En este sentido,
momento de intentar incrementar el nivel de rendimiento en algunos avances recientes en inteligencia artificial sugieren
las tasas de servicio de las vialidades, surgiendo esta que algunos vehículos de navegación y sistemas de control de
tecnología como una herramienta eficaz para solucionar los tráfico puedan ser manejados por medio de agentes
problemas del sistema vial. inteligentes en un futuro muy cercano. Debido a que la

Polibits (50) 2014 66 ISSN 1870-9044


Fig. 4. Magnitud relativa de la emisión de contaminantes y gasto de combustible.
conectividad se vuelve ubicua, el control de tráfico basado en
agentes ofrece un enfoque ideal para el manejo de las
vialidades, ya que sus características principales de solución
de problemas le permiten realizar tareas en áreas
geográficamente distribuidas y alternar entre una operación y
otra de manera paralela.
Los agentes inteligentes autónomos podrán por lo tanto
administrar la información de centros de control de tráfico,
caminos, vías de alta velocidad, carreteras, calles, vehículos,
casas, oficinas, logrando como resultado una mejora
inmediata en el rendimiento de la monitorización de los
ISSN 1870-9044
Control de tráfico basado en agentes inteligentes
sistemas de transporte inteligente. Ellos, podrán utilizar el
Internet así como redes ad hoc o inalámbricas, para recolectar
información en tiempo real con la principal intención de
realizar decisiones más seguras.
En este sentido, el surgimiento de SiSOA no es una idea sin
fundamentos teóricos o de aplicación, sino que es un aliciente
para continuar avanzando realizando esfuerzos significativos
por crear herramientas, técnicas, modelos, etc, que permitan
optimizar los niveles del servicio de transporte. SiSOA ofrece
un nivel de autonomía total por medio de la cual, cada
semáforo es capaz de evaluar sus llegadas y sus salidas, con lo
67 Polibits (50) 2014
José A. Castán, Salvador Ibarra, Julio Laria, Javier Guzmán, Emilio Castán
cual un semáforo puede obtener y calcular sus niveles de
servicio vial en tiempo real. Más adelante, cada semáforo
utiliza dicha información para auto-evaluarse y definir si
puede ofrecer tiempo de su ciclo al resto del grupo de
semáforos. Si es así, SiSOA permite una interacción directa
entre los semáforos de la intersección, estableciendo una
comunicación mediante la cual puede alcanzar acuerdos para
intercambiar tiempos de su ciclo.
En sí, tal auto-sincronización permite al experto en control
de tráfico ser únicamente un monitor del desempeño de las
intersecciones viales. En tal caso, SiSOA ha demostrado ser
un sistema computacional altamente sofisticado, que conjunta
una de las aplicaciones más poderosas de la inteligencia
artificial como lo son los agentes inteligentes con la ya multi-
probada teoría de líneas de espera, con el principal objetivo de
administrar y optimizar los niveles de movilidad y la
generación de gases de efecto invernadero en una intersección
vial. Finalmente, se puede argumentar que los sistemas
inteligentes son una poderosa tecnología computacional que
puede ser utilizada de manera eficaz en diversos campos de
aplicación, funcionando en conjunto con otras teorías con el
principal objetivo de incrementar el rendimiento de sistemas
distribuidos situados en ambientes dinámicos trabajando en
tiempo real.
AGRADECIMIENTOS
Este artículo ha sido realizado gracias al apoyo otorgado
por el Fondo Mixto del Gobierno del Estado de Tamaulipas y
el Consejo Nacional de Ciencia y Tecnología (CONACYT)
bajo el proyecto TAMPS-2011-C35-186242.
REFERENCIAS
[1] N. A. Chaudhary, Chi-Leung Chu, Software for Timing
Signalized Arterials, Research Report 4020-1, Texas
Transportation Institute, College Station, Texas, September,
2002.
[2] K. Dresner, P. Stone, A Multiagent Approach to Autonomous
Intersecction Management, 2008.
[3] Nicholas J. Garber, Lester A. Hoel, Traffic and Highway
Enginnering, West Publishing Company, St. Paul, Mn, 1988.
[4] Y. Hu, P. Thomas, J. Stonier Russel, “Traffic signal control
using fuzzy logic and evolutionary algorithms,” IEEE Congress
on Evolutionary Computation, pp.1785–1792, 2007.
[5] K. A. S. Al-Khateeb, J. A. Y. Johari, W. F. Al-Khateeb,
“Dynamic Traffic Light Sequence Algorithm Using RFID,”
Journal of Computer Science, vol. 4, no. 7, pp. 517–524, 2008.
[6] W. Wen, “A dynamic and automatic traffic light control system
for solving the road congestion problem,” Expert Systems with
Applications, vol. 34, no. 4, pp. 2370–2381, 2008.
Polibits (50) 2014
[7] Y. Saeed, M. Saleem Khan, K. Ahmed, A. Salam Mubashar, “A
Multi-Agent Based Autonomous Traffic Lights Control System
Using Fuzzy Control,” International Journal of Scientific &
Engineering Research, vol. 2, no. 6, 2011.
[8] J. Pérez, F. Seco, V. Milanés, A. Jiménez, J. C. Díaz and T. de
Pedro, “An RFID-Based Intelligent Vehicle Speed Controller
Using Active Traffic Signals,” Sensors, vol. 10, 2010.
[9] A. R. Zade, D. R. Dandekar, “FPGA Implementation of
Intelligent Traffic Signal Controller Based On Neuro-Fuzzy
System”, International Conference on Advanced Computing,
Communication and Networks, , Maharashtra, India, 2011.
[10] S. Huang, A. W. Sadek, Y. Zhao, “Assessing the Mobility and
Environmental Benefits of Reservation-Based Intelligent
Intersections Using an Integrated Simulator,” IEEE,
Transactions on Intelligent Transportation Systems, vol. 13, no.
3, 2012.
[11] R. S. Chen, D. K. Chen, S. Y. Lin, “ACTAM: Cooperative
multiagent system architecture for urban traffic signal control,”
IEICE Trans. Inf. Syst., vol. E88-D, no. 1, pp. 119–126, 2005.
[12] B. Chen, H. H. Cheng, J. Palen, “Mobile-C: A mobile agent
platform formobile C/C++ agents,” Softw. Pract. Exp., vol. 36,
no. 15, pp. 1711–1733, 2006.
[13] Mobile-C. [Online]. Available: www.mobilec.org.
[14] A. M. Garcia-Serrano, D. Teruel Vioque, F. Carbone, V. D.
Mendez, “FIPA-compliant MAS development for road traffic
management with a knowledge-based approach: The TRACK-R
agents,” in Proc. Challenges Open Agent Syst. Workshop,
Melbourne, Australia, 2003.
[15] J. Z. Hernandez, S. Ossowski, A. Garcia-Serrano, “Multiagent
architectures for intelligent traffic management systems,”
Transp. Res. Part C: Emerging Technol., vol. 10, no. 5/6,
pp. 473–506, 2002.
[16] R. T. Van Katwijk, P. Van Koningsbruggen, B. De Schutter, J.
Hellendoorn, “Test bed for multiagent control systems in road
traffic management,” Transp. Res. Rec., vol. 1910, pp. 108–115,
2005.
[17] Z. Q. Liu, T. Ishida, H. Y. Sheng, “Multiagent-based demand
bus simulation for Shanghai,” in Proc. Massively Multi-Agent
Syst. I, vol. 3446, pp. 309–322, 2005.
[18] F. Y. Wang, “Agent-based control for networked traffic
management systems,” IEEE Intell. Syst., vol. 20, no. 5, pp. 92–
96, 2005.
[19] F. Y. Wang, “Toward a revolution in transportation operations:
AI for complex systems,” IEEE Intell. Syst., vol. 23, no. 6,
pp. 8–13, 2008.
[20] H. S. Zhang, Y. Zhang, Z. H. Li, D. C. Hu, “Spatial-temporal
traffic data analysis based on global data management using
MAS,” IEEE Trans. Intell. Transp. Syst., vol. 5, no. 4, pp. 267–
275, 2004.
[21] Bo Chen, Harry H. Cheng, “A Review of the Applications of
Agent Technology in Traffic and Transportation Systems,”
IEEE Transactions on Intelligent Transportation Systems,
vol. 11, no. 2, 2010.
68 ISSN 1870-9044